一种面向多属性不确定数据流的模体发现算法

来源：电子与信息学报杂志2017年第1期北京时间：

作者：王菊, 刘付显

摘要：该文针对多属性不确定数据流的频繁模式发现问题，借鉴生物信息学中的模体发现思想，提出了一种基于MEME(Multiple Expectation-maximization for Motif Elicitation)的多属性不确定数据流模体发现算法。该算法根据不确定数据流的特点，设计了基于混合型模型的不确定滑动窗口更新计算方法，改进了SAX(Symbolic Aggregate approXimation)的符号化策略，提出了不同滑动窗口下多属性模体的相似性分析方法。在实验当中，用防空反导情报传感器网络中的一组不确定数据流验证了其功能，通过植入不同数目的模体测试了其发现准确率，并在元组有效概率设置为1的条件下与已有算法进行了比较，结果表明：该算法可以较准确地发现多属性不确定数据流中的频繁模式。

关键词：数据挖掘, 模体发现, 不确定数据流, MEME(Multiple Expectation-maximization for Motif Elicitation)算法

基金资助：国家自然科学基金(61272011)